GPU de NVIDIA ayudan a investigadores a eliminar las nubes de las imágenes de satélite
728 x 90 px
Las imágenes de satélite pueden ser una fantástica herramienta de ingeniería civil, al menos cuando las nubes no se interponen en el camino.
Ahora, los investigadores de la Universidad de Osaka han demostrado cómo utilizar el aprendizaje profundo acelerado por GPU para eliminar estas nubes.
Los científicos de la División de Energía Sostenible e Ingeniería Ambiental de la universidad utilizaron una «red generativa de adversarios» o GAN.
(Automático aquí)
«Al entrenar la red generativa para ‘engañar’ a la red discriminativa para que piense que una imagen es real, obtenemos imágenes reconstruidas que son más autoconsistentes», dijo el primer autor Kazunosuke Ikeno en un comunicado.
Creado en 2014 por Ian Goodfellow, entonces Ph.D. estudiante de la Universidad de Montreal, los GAN se basan en un par de redes en competencia para crear imágenes realistas. Estas redes en competencia permiten a los desarrolladores entrenar IA con menos datos.
Las imágenes de las nubes se pueden eliminar a mano, pero eso requiere mucho tiempo. Las técnicas de aprendizaje automático, por el contrario, requieren una gran cantidad de imágenes de entrenamiento para funcionar, y eso no siempre es práctico.
Entonces, los investigadores de la Universidad de Osaka recurrieron a las GAN, que se basan en dos algoritmos.
La primera, conocida como “red generativa”, reconstruye imágenes sin nubes.
La segunda, una «red discriminativa», utiliza una red neuronal convolucional para elegir qué imágenes son creadas por la primera red y las fotos reales.
Las dos redes en competencia se mejoran mutuamente sin la necesidad de tantos datos; el resultado: imágenes de gran realismo sin nubes.
El uso de los datos resultantes como texturas para modelos 3D permite generar automáticamente conjuntos de datos más precisos de máscaras de imágenes de edificios.
Utilizando imágenes de 400 por 400 píxeles, los investigadores entrenaron los modelos en una PC con el sistema operativo de código abierto Ubunto y una GPU GeForce GTX 1060.
“Este método hace posible detectar edificios en áreas sin datos de entrenamiento etiquetados”, dijo el autor principal Tomohiro Fukuda en un comunicado.
En el futuro, los investigadores podrían utilizar la técnica para detectar otros objetos, como carreteras y ríos, en fotografías aéreas.
Relacionado
Viajar ya no empieza en el aeropuerto: así usan los colombianos la tecnología para gastar menos
¿Sabes quién entra a tus sistemas cuando tu equipo no está mirando?
La certificación internacional ECXM introduce el modelo de Human Experience Management en el entorno empresarial colombiano
